Algoritmos Genéticos e Redes Neurais Artificiais no Controle de Robôs Móveis em Ambientes Dinâmicos

Abstract

O desenvolvimento de leis de controle robustas para robôs móveis em Ambientes Dinâmicos é um problema desafiador. O objetivo deste trabalho é o busca de soluções de controle de robôs móveis que se adaptem às mudanças no ambiente. A estratégia proposta parte de um algoritmo desenvolvido pelo programador para realizar uma tarefa em um ambiente pré-definido. Então, Redes Neurais Recorrentes (RNN) do tipo Echo-State Network (ESN) são treinadas de maneira supervisionada para reproduzir o mapeamento entrada-saída do algoritmo desenvolvido pelo programador. Finalmente, adapta-se a ESN treinada toda vez que o ambiente muda. Para isso, os pesos da ESN são otimizados por meio de Algoritmos Genéticos (AGs). Técnicas evolutivas desenvolvidas para ambientes dinâmicos (AGs com imigrantes aleatórios e hipermutação) são comparadas em experimentos no qual dez novos ambientes são considerados. Por fim, testa-se a robustez das leis de controle encontradas apresentando-se cinco novos ambientes. Nas simulações, o uso de AGs permitiu a adaptação das leis de controle para os novos ambientes. Entretanto, as soluções encontradas não se mostraram necessariamente robustas a novas mudanças de ambiente.